使用人工智能的企业正在关注药物开发进程中的三个关键点。它们寻求在体内选择正确的治疗靶点，设计适于与靶点相互作用的分子，并确定该分子最有可能帮助哪些患者。
几十年来，分子建模等计算机技术一直在改变药物开发过程。但即使是最强大的方法也涉及手动构建模型，这个过程缓慢、困难，并且容易发生背离现实条件的模拟。
通过人工智能的机器学习，现在可以利用大量数据——包括药理学和分子学数据——自动构建复杂模型。
通过这种方式，预测药物在体内的表现变得更加容易和快速，这使得许多初步试验可以在计算机上进行。机器学习模型还能够以过去做不到的方式筛选大量未开发的潜在药物分子储备。
结果是，在实验室（以及其后的临床试验）中艰苦但必不可少的工作，只需针对最有可能成功的分子进行。
自2021年以来，由英国埃克赛恩希亚公司（或与其他制药企业共同）开发的两种药物已启动该过程。近期，该企业又推出了两款药物。
使用人工智能可以改善临床研究。传统上，临床研究人员会尝试不同的药物，以了解哪种药物在同意参加试验的患者身上是有效的。
但现在，借助于人工智能，可以在此之前同时进行不同疗法的测试，并在纳入试验之前根据患者的情况评估哪一种可能最合适。
埃克赛恩希亚公司首席执行官安德鲁·霍普金斯在与《麻省理工学院技术评论》杂志的对话中表示，这种新方法是癌症治疗的重大变革，“我们临床测试药物的技术真正被用到了患者身上”。
除了将患者与现有药物相匹配外，机器学习还被用于设计新药物。在寻求匹配药物时，这种可能性会带来更多选择。
通过预测潜在药物在体内的表现，并将无效化合物在它们走进实际试验前排除掉，机器学习模型可以减少对细致的实验室研究的需求。
美国阿布西公司还在尝试使用机器学习来创造新的基于蛋白质的药物，但使用的是一种不同的方法。它采用现有的抗体，并使用依据实验室数据训练出来的模型。
其想法是重新设计现有的抗体，以便它们更好地贴合治疗靶点。
( 责任编辑: 李元志 )
726
